面向检索的视频哈希性能优化研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 国内外发展现状 | 第14-17页 |
| 1.3 论文主要研究内容 | 第17-18页 |
| 1.4 论文的组织安排 | 第18-20页 |
| 第二章 面向视频检索的哈希技术介绍 | 第20-27页 |
| 2.1 面向检索的哈希系统 | 第20-24页 |
| 2.1.1 常见符号 | 第21-22页 |
| 2.1.2 特征提取 | 第22-23页 |
| 2.1.3 哈希函数设计 | 第23-24页 |
| 2.2 视频哈希的评价标准 | 第24-26页 |
| 2.2.1 视频哈希的特点 | 第24-25页 |
| 2.2.2 视频哈希的评价标准 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 哈希码长优化 | 第27-44页 |
| 3.1 引言 | 第27-29页 |
| 3.2 算法实现 | 第29-31页 |
| 3.2.1 误码率(BER)分布建模 | 第29-30页 |
| 3.2.2 碰撞概率(PoC)的生成和建模 | 第30-31页 |
| 3.2.3 最优哈希码长 | 第31页 |
| 3.3 实验框架 | 第31-32页 |
| 3.3.1 数据集 | 第31-32页 |
| 3.3.2 特征提取和哈希算法 | 第32页 |
| 3.4 实验结果及分析 | 第32-43页 |
| 3.4.1 实验设置 | 第32-33页 |
| 3.4.2 实验结果和分析 | 第33-43页 |
| 3.5 结论 | 第43-44页 |
| 第四章 基于3D-CNN的视频特征优化 | 第44-54页 |
| 4.1 引言 | 第44-45页 |
| 4.2 CNN特征 | 第45-47页 |
| 4.2.1 三维卷积神经网络(3D-CNN) | 第45-46页 |
| 4.2.2 CNN特征 | 第46-47页 |
| 4.3 实验配置 | 第47-48页 |
| 4.3.1 数据设置 | 第47页 |
| 4.3.2 哈希映射 | 第47-48页 |
| 4.3.3 最优哈希码长 | 第48页 |
| 4.4 实验结果及分析 | 第48-53页 |
| 4.4.1 实验框架 | 第48-49页 |
| 4.4.2 不同哈希映射算法的实验结果 | 第49-51页 |
| 4.4.3 不同视频特征的比较 | 第51-52页 |
| 4.4.4 最优哈希码长实验结果 | 第52-53页 |
| 4.5 结论 | 第53-54页 |
| 第五章 总结 | 第54-56页 |
| 5.1 本文主要工作总结 | 第54-55页 |
| 5.2 下一步工作展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |
